每个行业都存在客户新增和流失的现象,这是不可避免的。在电信行业,客户离网即意味着客户流失,对于电信运营商来说是极大的损失。流失客户去向其它运营商,就会成为其它运营商的新增客户,为竞争对手创造利润。客户量增减逐渐成为判断运营商发展质量的重要标准之一。因此,确定离网客户去向成为运营商减少客户流失的重要前提。运营商拥有海量的通话数据,能够有效刻画社会网络中人与人之间的联系。这些数据中包含客户的行为特征。通过对客户行为特征进行分析能够解决许多的复杂商业问题,如电子商务中的商品推荐、客户流失度分析等。因此,客户行为特征分析正在成为预测电信客户去向预测的重要手段之一。本文应用运营商客户的通话行为特征构建客户交往圈,每个交往圈都存在特殊的联系人,与其它交往圈相区别,并依据交往圈追踪离网客户的去向。交往圈有不同的构建方式,但最终目的都是得到客户的稳定联系人。本文依托交往圈模型,采用了向量夹角余弦法和皮尔逊相关系数法,解决了离网客户去向预测的问题。主要研究工作有如下几个方面:（1）依据离网客户的通话数据及客户的基本信息数据（如:性别、年龄、所购套餐等）,分析本网客户、异网客户的通话数据属性,抽取最能代表客户的多个属性。根据抽取的客户属性,提出客户间亲密度的计算方法,即组合通用频率和通用时长频率得到亲密度。根据通话双方的有效通话行为,建立初始交往圈。清除客户初始交往圈中存在的公共号码、陌生号码后,构建稳定的客户交往圈,作为后续客户相似度计算的数据基础。（2）基于离网客户的有效交往圈,本文提出一种快速定位相似异网客户的方法。实验结果表明该方法不仅可以加快查找相似异网客户,而且能够覆盖85%的相似异网客户。本文采用向量夹角余弦法和皮尔逊相关系数法预测离网客户去向,皮尔逊相关系数弥补了向量夹角余弦法的维度缺失问题。在重入网客户通话数据集上进行实验,结果表明向量夹角余弦法的准确率达到45%,皮尔逊相关系数法准确率达到85%。（3）以二维表的方式存储客户交往圈,查找相似异网客户效率较低,涉及到多个表之间的切换,算法实现复杂度高。本文应用Neo4j图数据库提高关系查找的效率。经实验证实,Neo4j图数据库能够快速定位指定的关系,较二维表的关系查找速度提高5倍。在异网对强制离网客户进行去向预测,结果表明,向量夹角余弦法的准确率为51.2%,皮尔逊相关系数法的准确率为85.9%。